Vendredi, 16 h 47. Une PME de Laval reçoit un appel. Le client veut prendre un rendez-vous, demande un prix, puis bascule sur une question de facturation parce qu'il a vu un montant qu'il ne reconnaît pas. Trois sujets différents. Trois logiques métier différentes. Et un seul agent IA vocal au bout du fil qui essaie de tout faire.
C'est exactement le scénario qui pousse de plus en plus d'entreprises à se demander : est-ce qu'un agent suffit, ou est-ce qu'il en faut plusieurs ?
La question n'est pas théorique. Le 13 avril 2026, ElevenLabs a poussé une mise à jour qui change la façon dont on peut bâtir ces systèmes — et qui rend le multi-agents accessible aux PME, pas juste aux grandes entreprises avec une équipe d'ingénieurs dédiée. On va décortiquer ça ensemble.
Mono-agent : ce que ça veut dire, vraiment
Un agent IA vocal mono, dans sa forme la plus simple, c'est : un prompt système, un modèle (Claude, GPT, Gemini), et une poignée d'outils que l'agent peut appeler. L'agent gère la conversation au complet, du « bonjour » jusqu'au « merci, bonne journée ».
C'est l'architecture par défaut. C'est aussi celle qui marche le mieux pour 80 % des PME du Québec — et il faut le dire avant d'aller plus loin, parce que le marketing autour des « agents en essaim » donne parfois l'impression qu'il faut absolument complexifier.
Quand est-ce que mono suffit ?
- Le volume d'appels est gérable (moins de 200 appels par jour)
- Les sujets traités sont relativement homogènes (réservations, demandes d'info, prise de message)
- Le « périmètre métier » tient dans une base de connaissances de 20-50 pages
- L'entreprise n'a pas plusieurs lignes d'affaires distinctes
Pour un salon de coiffure, une clinique dentaire ou un petit cabinet de comptables, mono-agent fait amplement le travail. Et c'est plus simple à maintenir, à déboguer, et à expliquer à l'équipe.
Multi-agents : quand ça commence à devenir pertinent
Le multi-agents, ce n'est pas « deux agents au lieu d'un ». C'est une architecture où plusieurs agents spécialisés coopèrent dans le même appel — un agent d'accueil qui qualifie l'appel, puis transfère à un agent de réservation, puis à un agent de facturation si nécessaire. Le client n'entend pas la couture. Il a juste l'impression que l'agent « comprend tout ».
L'avantage technique : chaque agent a son propre prompt, son propre jeu d'outils, sa propre base de connaissances ciblée. L'agent de facturation n'a pas besoin de savoir comment fonctionne le calendrier. L'agent de réservation n'a pas besoin de connaître les règles de remboursement. Résultat : moins d'hallucinations, des réponses plus précises, et une logique métier qui reste lisible quand l'entreprise grossit.
L'inconvénient : c'est plus complexe à orchestrer. Il faut gérer le passage de contexte entre agents (un appelant qui a déjà donné son nom à l'accueil ne devrait pas avoir à le redonner à la facturation), gérer les échecs, et avoir une vision claire du « parcours d'appel ».
Ce que ElevenLabs a changé en avril 2026
La mise à jour du 13 avril 2026 a ajouté trois choses concrètes qui rendent le multi-agents pratique :
1. Le tableau visited_agents : la réponse de chaque conversation inclut maintenant la liste des agents qui ont participé à l'appel. Avant, c'était la boîte noire. On savait qu'il y avait eu plusieurs transferts, mais reconstituer le parcours demandait de fouiller dans les logs. Maintenant, on a la trace complète, agent par agent.
2. L'analyse scoped : les critères d'évaluation peuvent maintenant s'appliquer soit à toute la conversation, soit uniquement aux portions où un agent spécifique était actif. C'est énorme pour le contrôle qualité — on peut évaluer « est-ce que l'agent de facturation a bien expliqué les frais ? » sans que la note soit polluée par la qualité de l'accueil.
3. Les dossiers de tests d'agents : on peut maintenant organiser ses scénarios de test dans des dossiers, avec des endpoints pour créer, modifier et supprimer ces dossiers. Ça change la donne quand on commence à avoir 5 ou 6 agents, chacun avec ses propres cas de test.
Pour les détails techniques, le changelog officiel ElevenLabs documente l'ensemble des changements de la version 2.43.0.
Le cas concret d'une PME multi-services
Imaginons une clinique vétérinaire à Sherbrooke qui fait trois choses : prise de rendez-vous, urgences (avec un protocole spécifique selon l'animal), et boutique de nourriture spécialisée. En mono-agent, on se retrouve avec un prompt de 15 pages qui essaie de tout couvrir. L'agent finit par mélanger les contextes, surtout sous pression.
En multi-agents, on découpe :
- Agent triage : « Bonjour, est-ce un rendez-vous, une urgence, ou un achat ? »
- Agent rendez-vous : connecté au calendrier via MCP (on en a déjà parlé en détail dans notre guide sur la prise de rendez-vous live avec MCP)
- Agent urgence : suit un protocole strict (espèce de l'animal, symptômes, niveau de gravité) et déclenche une alerte humaine si rouge
- Agent boutique : a accès au stock et aux prix
Chaque agent fait une seule chose, bien. Et grâce à visited_agents, on peut maintenant savoir, après coup, exactement quel parcours a suivi un appel — utile pour les analyses post-mortem ou pour identifier où les transferts coincent.
Vapi Squads, OpenAI Realtime, ou ElevenLabs ? Le calcul rapide
Trois plateformes dominent ce segment au Québec en 2026, et chacune a une approche différente du multi-agents.
Vapi a popularisé le concept avec sa fonctionnalité Squads. Avantage : très propre, conçu dès le départ pour le multi-agents. Inconvénient : tarification plus élevée et latence parfois variable selon la région.
OpenAI Realtime API (avec le nouveau modèle gpt-realtime en GA, et une baisse de prix de 20 % par rapport à gpt-4o-realtime-preview) est attractif pour les entreprises qui font déjà tourner d'autres workflows sur OpenAI. À 32 $ / 1M tokens audio en entrée et 64 $ / 1M tokens audio en sortie, le calcul se fait vite. Détails dans l'annonce officielle d'OpenAI.
ElevenLabs a l'avantage des nouvelles fonctionnalités d'avril 2026 et — point critique pour les PME du Québec — l'option de déploiement on-premise depuis le 9 avril 2026 (sujet qu'on a couvert dans notre analyse Loi 25 et déploiement sur site).
Et la Loi 25 dans tout ça ?
Question que personne ne pose assez : quand vous chaînez plusieurs agents, la donnée du client circule entre eux. Le nom donné à l'accueil arrive dans l'agent de facturation. L'historique récent capté par l'agent de rendez-vous est partagé avec l'agent d'urgence. Ce partage de contexte, du point de vue de la Loi 25, est une communication interne de renseignements personnels.
Ce n'est pas un problème en soi — la Loi 25 ne l'interdit pas. Mais ça doit être documenté dans votre PIA (analyse d'impact relative à la vie privée) et inclus dans votre politique de confidentialité. Si chaque agent a son propre fournisseur ou sa propre infra, ça multiplie aussi les transferts hors-Québec à déclarer. Une raison de plus pour considérer le on-premise si on va vers le multi-agents.
Décision pratique : 4 questions à se poser avant
- Combien de « lignes d'affaires » distinctes votre entreprise a-t-elle ? Une seule = mono. Trois ou plus = multi commence à valoir le coup.
- Est-ce que vos différents flux ont des règles de conformité différentes ? (Ex : urgence médicale vs vente de produit.) Si oui, multi vous évite des prompts spaghetti.
- Avez-vous une équipe pour faire évoluer ça ? Multi-agents demande plus de gouvernance. Si vous êtes seul à gérer, mono reste plus sain.
- Quel est le volume mensuel d'appels ? En dessous de 1 500 appels/mois, le ROI du multi-agents est rarement justifié vs un mono bien réglé.
Pour la majorité des PME du Québec, la réponse honnête en 2026 reste : commencez en mono, migrez en multi-agents quand la douleur devient claire. C'est rarement le bon départ pour une première implantation, mais c'est souvent le bon palier 12 à 18 mois plus tard.
Comment TECHMA met ça en place
Quand vous travaillez avec TECHMA pour déployer un Agent IA Vocal, on s'occupe de toute l'architecture — choix mono ou multi-agents, configuration ElevenLabs (incluant les nouvelles features d'avril 2026), intégration calendrier/CRM, conformité Loi 25, et tests. Vous n'avez rien à coder ni à configurer. On commence presque toujours par un agent unique bien réglé, et on évalue ensemble, après 60 jours d'utilisation réelle, si un découpage multi-agents apporte une valeur mesurable. Pas de complexification gratuite.
Ce qu'il faut retenir
Le multi-agents n'est pas une fin en soi. C'est un outil qui devient pertinent quand votre entreprise a des flux d'appels suffisamment distincts pour justifier la complexité supplémentaire. Les nouveautés ElevenLabs d'avril 2026 (visited_agents, analyse scoped, dossiers de tests) le rendent enfin pratique à opérer pour des PME — mais elles ne le rendent pas universellement nécessaire.
Si vous hésitez, partez en mono. Mesurez. Et laissez les vrais points de friction guider la décision de chaîner plus tard. Souvent, un agent mono bien briefé, avec une base de connaissances bien structurée comme on l'a vu dans notre analyse de la knowledge base search, fait largement mieux qu'un multi-agents mal orchestré.